Агентно-базиран Марков модел — Хибридна симулация с автономни агенти и Марковски преходи на състоянията
Агентно-базиран Марков модел (ABMM) е хибридна симулационна рамка, която вгражда логика за преход на състоянията на Марковска верига в индивидуални автономни агенти. Всеки агент независимо избира следващото си състояние от вероятностна матрица на преходите, което позволява на модела да улавя както хетерогенността на микро ниво между агентите, така и управляемата вероятностна структура на Марковските вериги. Подходът се използва широко в здравната икономика, епидемиологията, социалните науки и изследването на операциите.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Bonabeau, E. (2002). Agent-based modeling: Methods and techniques for simulating human systems. Proceedings of the National Academy of Sciences, 99(Suppl 3), 7280-7287. DOI: 10.1073/pnas.082080899 ↗
- Norris, J. R. (1997). Markov Chains. Cambridge University Press, Cambridge, UK. ISBN: 9780521633963
Как да цитирате тази страница
ScholarGate. (2026, June 3). Agent-Based Markov Model — Hybrid simulation combining autonomous agents with Markov chain state transitions. ScholarGate. https://scholargate.app/bg/simulation/agent-based-markov-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Агентно-базирана дискретно-събитийна симулацияСимулационно моделиране↔ compare
- Агентно-базирано моделиране (ABM)Симулационно моделиране↔ compare
- Дискретно-събитийна симулация (DES)Симулационно моделиране↔ compare
- Марковски моделСимулационно моделиране↔ compare
- Стохастичен Марков моделСимулационно моделиране↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →